В сложившейся демографической ситуации в России проблема бесплодия затрагивает 12…15 % населения, что является вызовом здравоохранению, обществу и государству. Эффективность лечения бесплодия остается невысокой, что обусловлено множеством причин – как медицинских, так и социальных. Прогнозирование вероятности реализации репродуктивной функции является одной из важнейших задач репродуктивной медицины. Создание способов клинического прогнозирования преодоления бесплодия позволит оптимизировать диагностику и лечение этого недуга. В работе сформулированы и решены задачи по созданию способа клинического прогнозирования диагностики и лечения бесплодия. Рассмотрены существующие модели прогнозирования при преодолении бесплодия. Определены их преимущества и недостатки. Последние заключаются как в сложности учета и прогнозирования индивидуальных возможностей к зачатию оцениваемых супружеских пар, так и в консерватизме используемых медицинских и применяемых вычислительных технологий, что снижает качество и эффективность прогнозов. Показана структура бесплодия после комплексного обследования пациентов за продолжительный период времени. Выделены пять групп пациентов с учетом особенностей, длительности и других причин бесплодия. Введены понятия коэффициента репродуктивной активности (КРА), показателя репродуктивного здоровья (ПРЗ) и показателя репродуктивной готовности (ПРГ). Предложен вариант расчета этих величин, обозначены диапазоны их возможных значений. В качестве ключевой характеристики для клинического прогнозирования при преодолении бесплодия предложен ПРГ. Его значения могут быть спроецированы на четыре группы исходов в диагностике и лечении бесплодия, три из которых предполагают непосредственное обращение за медицинской помощью в специализированное лечебное учреждение. В статье приведен обобщенный алгоритм применения ПРГ в прогнозной деятельности врача. Даны практические рекомендации по использованию ПРГ пациентом. Также проведен вычислительный эксперимент по расчету значений ПРГ для нескольких пациентов с дальнейшим анализом полученных результатов.
Белов Виктор Матвеевич
Востриков Вячеслав Валерьевич
Ардаева Анастасия Андреевна
1. Adamson G.D., Pasta D.J. Endometriosis fertility index: the new, validated endometriosis staging system // Fertility and Sterility. – 2010. – Vol. 94 (5). – P. 1609–1615. – DOI: 10.1016/j.fertnstert.2009.09.035.
2. Evaluating prediction models in reproductive medicine / .F. Coppus S, F. van der Veen, B.C. Opmeer, B.W. Mol, P.M. Bossuyt // Human Reproduction. – 2009. – Vol. 24 (8). – P. 1774–1778. – DOI: 10.1093/humrep/dep109.
3. External validation of a prediction model for an ongoing pregnancy after intrauterine insemination / I.M. Custers, P. Steures, J.W. van der Steeg, T.J. van Dessel, R.E. Bernardus, P. Bourdrez, C.A. Koks, W.J. Riedijk, J.M. Burggraaff, F. van der Veen, B.W. Mol // Fertility and Sterility. – 2007. – Vol. 88. – P. 425–431.
4. Cost-effectiveness of ‘immediate IVF’ versus ‘delayed IVF’: a prospective study / M.J.C. Eijkemans, F.A.M. Kersten, A.M.E. Lintsen, C.C. Hunault, C.A.M. Bouwmans, L.H. Roijen, J.D.F. Habbema, D.D.M. Braat // Human Reproduction. – 2017. – Vol. 32 (5). – P. 999–1008. – DOI: 10.1093/humrep/dex018.
5. Two new prediction rules for spontaneous pregnancy leading to live birth among subfertile couples, based on the synthesis of three previous models / C.C. Hunault, J.D. Habbema, M.J. Eijkemans, J.A. Collins, J.L. Evers, E.R. Te Velde // Human Reproduction. – 2004. – Vol. 19. – P. 2019–2026.
6. Perinatal outcomes after stimulated versus natural cycle IVF: a systematic review and meta-analysis / M.S. Kamath, R. Kirubakaran, M. Mascarenhas, S.K. Sunkara // Reproductive BioMedicine Online. – 2018. – Vol. 36 (1). – P. 94–101. – DOI: 10.1016/j.rbmo.
7. Predicting the cumulative chance of live birth over multiple complete cycles of in vitro fertilization: an external validation study / J.A. Leijdekkers, M.J.C. Eijkemans, T.C. van Tilborg, S.C. Oudshoorn, D.J. McLernon, S. Bhattacharya, B.W.J. Mol, F.J.M. Broekmans, H.L. Torrance // Human Reproduction. – 2018. – Vol. 33, iss. 9. – P. 1684–1695. – DOI: 10.1093/humrep/dey263.
8. Prediction models in reproductive medicine: a critical appraisal / E.1. Leushuis, J.W. van der Steeg, P. Steures, P.M. Bossuyt, M.J. Eijkemans, F. van der Veen, B.W. Mol, P.G. Hompes // Human Reproduction Update. – 2009. – Vol. 15 (5). – P. 537–552. – DOI: 10.1093/humupd/dmp013.
9. Predicting the chances of a live birth after one or more complete cycles of in vitro fertilisation: population based study of linked cycle data from 113 873 women / D.J. McLernon, E.W. Steyerberg, E.R. Te Velde, A.J. Lee, S. Bhattacharya // BMJ. – 2016. – Vol. 355. – P. i5735. – DOI: 10.1136/bmj.i5735.
10. Reilly B.M., Evans A.T. Translating clinical research into clinical practice: impact of using prediction rules to make decisions // Annals of Internal Medicine. – 2006. – Vol. 144. – P. 201–209.
11. Templeton A., Morris J.K., Parslow W. Factors that affect outcome of in-vitro fertilisation treatment // The Lancet. – 1996. – Vol. 348(9039). – P. 1402–1406. – DOI: 10.1016/S0140-6736(96)05291-9.
12. Do clinical prediction models improve concordance of treatment decisions in reproductive medicine? / J.W. van der Steeg, P. Steures, M.J. Eijkemans, J.D. Habbema, P.M. Bossuyt, P.G. Hompes, F. van der Veen, B.W. Mol // BJOG. – 2006. – Vol. 113. – P. 825–831.
13. Individualized decision-making in IVF: calculating the chances of pregnancy / L. Loendersloot van, M. Wely van, S. Repping, P.M. Bossuyt, F. van der Veen // Human Reproduction. – 2013. – Vol. 28 (11). – P. 2972–2980. – DOI: 10.1093/humrep/det315.
14. Predicting the chances of having a baby with or without treatment at different time points in couples with unexplained subfertility / D.J. McLernon, A.J. Lee, A. Maheshwari, R. van Eekelen, N. van Geloven, H. Putter, M.J. Eijkemans, J.W. van der Steeg, F. van der Veen, E.W. Steyerberg, B.W. Mol, S. Bhattacharya // Human Reproduction. – 2019. – Vol. 34 (6). – P. 1126–1138. – DOI: 10.1093/humrep/dez049.
15. Making IVF more effective through the evolution of prediction models: is prognosis the missing piece of the puzzle? / M. Simopoulou, K. Sfakianoudis, N. Antoniou, E. Maziotis, A. Rapani, P. Bakas, G. Anifandis, T. Kalampokas, S. Bolaris, A. Pantou, K. Pantos, M. Koutsilieris // Systems Biology in Reproductive Medicine. – 2018. – Vol. 64 (5). – P. 305–323. – DOI: 10.1080/19396368.2018.1504347.
16. Белов В.М., Пивкин Е.Н. Оценка качества социально-значимой деятельности в области инфокоммуникаций, как условие осуществления комплексной безопасности Российской Федерации // Информационная безопасность в современном обществе: материалы научно-технической конференции. – Новосибирск: СибГУТИ, 2016. – С. 58–60.
17. Крохалева А.Б., Белов В.М. Технология формирования показателей профессиональной готовности специалистов на современном рынке труда. – М.: Горячая линия – Телеком, 2017. – 152 с.
18. Крохалева А.Б., Белов В.М. Общая модель оценки качества социально значимой деятельности: направление «информационная безопасность» // Вестник СибГУТИ. – 2018. – № 1. – С. 3–12.
19. Krokhaleva A.B., Belov V.M., Vostrikov V.V. Generalized algorithm of estimation of quality of medicare // 14th International Scientific-Technical Conference on Actual Problems of Electronic Instrument Engineering (APEIE-2018) – 44894. – Novosibirsk, 2018. – Vol. 1, pt. 4. – P. 140–145.
20. Зырянова Е.В., Белов В.М., Косов Д.Л. Алгоритмический и программный инструментарий повышения качества законодательства: монография. – М.: Русайнс, 2019. –124 с.
Белов В.М., Востриков В.В., Ардаева А.А. Построение прогнозной модели при диагностике и лечении бесплодия // Безопасность цифровых технологий. – 2021. – № 2 (101). – С. 32–48. – DOI: 10.17212/2782-2230-2021-2-32-48.
Belov V.M., Vostrikov V.V., Ardaeva A.A. Postroenie prognoznoi modeli pri diagnostike i lechenii besplodiya [Building a predictive model for diagnostics and treatment of infertility]. Bezopasnost' tsifrovykh tekhnologii = Digital Technology Security, 2021, no. 2 (101), pp. 32–48. DOI: 10.17212/2782-2230-2021-2-32-48.
